电力线路发生故障的主要原因通常是线路上绝缘设备缺陷,设备劣化导致其表面电场分布不均,会产生电晕放电现象。通过探测早期微弱放电现象可以对设备缺陷程度进行评估,不仅能够提前预警且对维护电网安全稳定运行具有重要意义。电晕放电会辐射出光波、电磁波、电脉冲等信号,采用高灵敏度光电传感器能够发现较弱的放电信号,并且通过探测“日盲”段的紫外光可以避免背景光干扰实现全天候电晕检测。利用无人机机载电晕紫外探测设备进行电力线巡检,其巡线效率高、机动性强等特点能够适应各种恶劣的环境。因此,本文研究了无人机巡线中电晕紫外探测方法,具体工作如下:(1)根据电晕放电特性,分析了影响电晕放电的因素,研究了电晕放电强度与接收紫外光信号的关系。利用“日盲”型光电倍增管(Photomultiplier Tube,PMT)设计电晕放电探测系统,通过放电实验平台完成在不同距离、角度和湿度情况下电晕探测实验,并对实验结果进行分析。实验结果表明,探测系统具有较高的灵敏度,能在40m之内探测到放电信号,并在10m～20m距离探测效果较好,可以区分不同强度的电晕放电程度。(2)根据紫外光散射链路模型建立了电晕紫外光功率探测模型,研究了无人机航迹中单目和双目探测定位方法,通过两种不同巡检方式对电晕放电点位置进行定位。设计实验方案,对模拟光源和电晕放电光源进行功率探测实验,并分析了探测定位精度。结果表明,在距离20m时,可以确定放电点的位置并且误差在1.6m以内,验证了探测定位方法的有效性。(3)针对无人机巡线过程中的电晕放电强度评估问题,设计了基于自适应神经模糊推理系统模型(Adaptive Neuro-fuzzy Inference System,ANFIS)的无人机巡线电晕识别方法。对接收单个脉冲信号特征进行提取分析,在不同湿度条件下,研究了不同强度光源对接收脉冲信号强度的影响。建立放电等级评估模型,通过ANFIS算法与BP(Back Propagation)神经模糊算法对比,结果验证该放电模型能够准确地评估放电源的等级强度。